本书介绍了面向服务机器人人机交互的视觉识别技术，其主要内容包括视觉识别中的关键技术、人脸表情识别技术、人体手势识别技术和人体动作识别技术。其中人脸表情识别部分包括人脸自动提取及人脸特征提取、无监督特征选择方法和人脸表情分类器设计；人体手势识别部分主要为人体静态手势识别；人体动作识别部分包括基于运动能量流的人体运动分析、基于梯度特征转换算法的动作检测及识别、基于图像势能差分模板的动作识别和基于三通道卷积神经网络的动作识别。
本书可作为高等院校相关专业研究生和本科生的教材或参考用书，也可供从事相关领域研究的科研工作者参考。

第1章 绪论
1.1 服务机器人视觉识别的概念
1.2 服务机器人视觉识别的主要内容
1.3 服务机器人视觉识别技术研究现状
1.4 本章小结
第2章 视觉识别关键技术
2.1 视觉目标检测关键技术
2.2 视觉特征提取关键技术
2.3 视觉特征理解关键技术
2.4 视觉特征分类关键技术
2.5 本章小结
第3章 人脸自动提取及人脸特征提取
3.1 表情区域自动提取
3.2 C-LBP表情特征
3.3 实验结果及分析
3.4 本章小结
第4章 无监督特征选择方法
4.1 流形学习算法
4.2 基于无监督的LBP特征选择
4.3 实验结果及分析
4.4 本章小结
第5章 人脸表情分类器设计
5.1 基于降维技术的分类器
5.2 矩阵回归表情识别分类器
5.3 实验结果及分析
5.4 本章小结
第6章 人体静态手势识别
6.1 静态手势区域提取和区域标准化
6.2 多特征稀疏表征
6.3 静态手势表征
6.4 基于JFSRC的手势分类
6.5 实验结果及分析
6.6 本章小结
第7章 基于运动能量流的人体运动分析
7.1 运动能量流算法
7.2 实验结果及分析
7.3 本章小结
第8章 基于梯度特征转换算法的动作检测及识别
8.1 梯度特征转换算法
8.2 Interest-HOG及序列融合机制
8.3 实验结果及分析
8.4 本章小结
第9章 基于图像势能差分模板的动作识别
9.1 传统MHI模板原理及缺陷
9.2 图像势能差分模板
9.3 图像势能差分模板后处理及分类
9.4 实验结果及分析
9.5 本章小结
第10章 基于三通道卷积神经网络的动作识别
10.1 传统Two-stream CNNs方法及其缺陷
10.2 Three-stream CNNs
10.3 基于Soft-VLAD的动作分类
10.4 实验结果及分析
10.5 本章小结
参考文献
名词索引